Microsoft présente Decision-1, basé sur Qwen3.5-9B : 83,5% de précision pour 85 ms

Microsoft a présenté Decision-1, un modèle compact conçu pour classifier et router des requêtes rapidement. Il repose sur Qwen3.5-9B. Selon l'entreprise elle-même, le modèle atteint 83,5% de précision sur 36 benchmarks, avec une latence de 85 ms. Aucune vérification indépendante n'a été publiée pour l'instant.

À quoi servent les modèles de décision

Un modèle de décision n'écrit pas de longs textes et ne raisonne pas à voix haute. Sa tâche consiste à trancher vite : dans quelle catégorie classer une demande, à quel outil confier une tâche, à quel modèle transmettre une requête, faut-il ou non la faire passer par un filtre. Dans les systèmes agentiques, ces embranchements surviennent à chaque étape. Si chacun mobilise un appel à un LLM phare, la facture et la latence augmentent proportionnellement au nombre d'étapes.

C'est pourquoi les modèles de quelques milliards de paramètres conviennent bien aux routeurs et aux dispatcheurs. Neuf milliards, c'est précisément cet ordre de grandeur : le modèle tient sur une seule carte graphique et répond en une fraction de seconde. Microsoft arrive sur un segment où d'autres solutions s'affrontent déjà, avec sa propre optimisation pour cette tâche.

Le choix de la base de départ en dit long, lui aussi. L'entreprise a affiné Qwen3.5-9B, un modèle ouvert de la famille d'Alibaba, plutôt que de partir d'une architecture maison. Pour une tâche applicative étroite, c'est une voie rationnelle : la valeur se crée dans les données, le fine-tuning et l'optimisation, pas dans un pré-entraînement from scratch.

Ce que l'on sait des chiffres

• Base : Qwen3.5-9B.
• Usage : classification et routage rapides.
• Précision : 83,5% sur 36 benchmarks.
• Latence : 85 ms.
• Source des données : tests internes de Microsoft.

Ces chiffres appellent des réserves. Avec 85 ms, on reste dans le budget d'un scénario interactif où la décision est prise avant la réponse principale, mais la latence dépend fortement du matériel, de la longueur de l'entrée et de la taille du batch. Les conditions de mesure ne sont pas précisées dans l'annonce. On ignore aussi quels sont les 36 benchmarks retenus et à quels modèles Decision-1 a été comparé.

Il en va de même pour la précision. 83,5% signifie qu'environ une décision sur six est erronée en moyenne. Pour trier des demandes par thème, cela peut être acceptable. Pour du routage, où une erreur envoie la requête au mauvais endroit ou laisse passer un contenu dangereux, il faut des données par type d'erreur, et non un seul chiffre moyen.

Que vérifier avant un déploiement

Si vous construisez un système agentique ou un routeur de requêtes, Decision-1 mérite d'être considéré comme un candidat pour un pilote, et non comme une solution prête à l'emploi. Voici l'ordre de vérification :

• Faire tourner le modèle sur votre propre trafic. Le résultat moyen sur 36 benchmarks ne dit presque rien de vos catégories ni de la langue de vos requêtes.
• Mesurer la latence sur votre propre matériel, en regardant le p95 et le p99 plutôt que la moyenne.
• Chiffrer le coût d'une erreur pour chaque type de décision et déterminer où un choix automatique est admissible et où une validation humaine est nécessaire.
• Prévoir une voie de repli : en cas de faible confiance du modèle, envoyer la requête à un LLM plus puissant.
• Comparer avec des solutions de référence : un modèle non spécialisé de même taille et un classifieur classique. Souvent, les approches simples offrent une qualité comparable pour moins cher.
• Clarifier la licence, les conditions d'accès et le mode de déploiement. Ces détails sont absents du message d'origine.

L'apparition même de Decision-1 montre que les grands acteurs s'intéressent sérieusement à la couche « dispatcheur » des systèmes d'IA. Tant que le modèle n'a fait l'objet d'aucune mesure indépendante, c'est une revendication de territoire, et non un avantage démontré.